Nature丨肿瘤耐药新视角

来源：探癌

对话框回复“20200110”即可下载本期原文

化疗/靶向治疗/免疫治疗的耐药性仍然是常态

耐药性仍然是癌症患者治愈的主要限制因素。癌症的耐药性问题与传染病领域有很大的相似之处，与抗菌治疗一样，在癌症领域早期化疗(如氮芥和氨蝶呤)的初步成效带来的兴奋感很快就被随后的临床证据所冲淡，临床研究证据表明，尽管化疗后肿瘤很快就会缓解，但会产生耐药性，导致癌症的复发。

 不出所料，对单药化疗耐药问题的最初解决方案是联合化疗或称多药化疗，即联合使用作用机制不同的化疗药物。这种经验方法在某些淋巴瘤、乳腺癌和睾丸癌中非常有效。因此，联合化疗成为癌症治疗的新范例，导致了越来越复杂的治疗方案的发展。此外，通过防止肿瘤的早期再生，许多不同的剂量密度的化疗（包括短时间间隔的化疗和较高剂量的化疗）可提高治疗效果。在随后的近50年，多药化疗取得的成功在很大程度上处于平稳状态。但手术、放疗和化疗显然是不足以治愈多种类型肿瘤的。

针对靶向将正常细胞/组织转化为恶性肿瘤的关键特征的新治疗策略开始被开发，包括靶向治疗在内的这些的疗法是癌症治疗史上的一个重要飞跃。基于对癌症生物学决定因素的了解，已开发出来针对酪氨酸激酶、核受体和其他分子靶标的高效疗法。雌激素受体(ER)和雄激素受体(AR)拮抗剂，以及BCR-ABL、HER2和EGFR抑制剂的初步成功，导致了大量针对癌基因和其他关键细胞通路的药物的开发。通过使用免疫学方法来识别和攻击癌症，肿瘤治疗再次取得进展。抗CTLA4和抗PD-1/PD-L1的单克隆抗体已经在多种肿瘤类型中产生了显著的抗肿瘤活性，甚至还治愈了肿瘤。然而，与既往临床中观察到的常规化疗类似，靶向和免疫治疗的耐药性仍然是常态。

2019年11月份在Nature上发表的综述《A view on drug resistance in cancer》给我们提供一个肿瘤耐药性的新视觉。

癌症的耐药性问题是多方面的，这篇综述通过列举肿瘤耐药性的基本决定因素，并考虑这些因素对已开发成功的治疗策略的影响，提出一个框架来概念化癌症的耐药性。这些基本的耐药决定因素在癌症不同病程中独特性的和/或重复性的出现，导致了不同的临床状态，对治疗的反应从极端敏感到完全耐受。文章还描述了针对这些决定因素的标准干预措施和新兴干预措施，并考虑如何将新的技术和药理学进步与这些干预措施相结合，以预防、延迟或逆转对治疗的耐药性。

肿瘤耐药的生物学决定因素

癌症治疗是一个由三部分组成的系统：在特定的宿主环境内，针对一群癌细胞进行治疗。治疗方法的药理特性、癌细胞原发性和获得性物理因素和分子因素，以及外在环境因素，导致了对治疗的临床反应的广泛性。许多关于癌症耐药的描述都集中在原发性耐药和获得性耐药之间的差异上；然而，在临床实践中，许多肿瘤是由于这些因素的重叠组合而产生或变得耐药。在定义耐药性的基本生物学原理时，可以建立一个框架来理解对现有和未来疗法的耐药性(图1)。通过将癌症和临床科学的重点放在分别解决每个决定因素上，耐药性问题是可以处理的。耐药性的决定因素可以通过许多临床诊断和治疗策略来确定。

图1.  肿瘤耐药的生物学决定因素

肿瘤是异质的，位于一个环境中，该环境包括基底膜、脉管系统、免疫细胞和肿瘤微环境等。肿瘤的物理参数、基因组和周围环境的变化驱动了耐药性

肿瘤负荷和生长动力学

肿瘤负荷和治愈率之间几乎有普遍的相关性。在许多肿瘤类型中，诊断时肿瘤的大小(或血液肿瘤中的细胞数量)可能是评估预后最常用的变量；较大的肿瘤与转移风险增加相关。肿瘤大小和可治愈性之间的负相关在化疗初期并没有完全预料到。早期的肿瘤生长数学模型，如“对数杀伤假说”（the‘log kill’ hypothesis）提出将多种药物结合起来，在多个周期内杀死癌细胞，将允许肿瘤负荷连续减少，直到疾病完全根除。但除了对化疗高度敏感的肿瘤外，这一假说不适用于许多类型的肿瘤。（对数杀伤假说：即不管肿瘤大小，抗肿瘤药物均成比例而不是一定数量的杀灭剩余的肿瘤细胞，药物的细胞杀灭效应符合一级动力学，药物的治疗效果直接由药物的剂量、治疗的次数及重复的频率决定。）

为了更准确地模拟癌症生长，Goldie-Coldman假说被提出。根据这一假设，肿瘤含有耐药性克隆的可能性取决于突变率和肿瘤的大小。事实上，在确定突变率的情况下，肿瘤大小成为预测是否存在耐药突变的关键决定因素。该模型产生了多个概念，如：与顺序治疗相比，序贯的化疗组合比预防耐药性要好。但这一假说并没有在临床实践中得到一致的证实。此外，虽然肿瘤大小是耐药的关键决定因素，但治疗诱导的肿瘤生长速度和生长动力学的变化在治疗和耐药反应中也起着关键作用。肿瘤生长动力学是高度可变的，从惰性到具有侵袭性不等。虽然低生长率的肿瘤通常与较长的生存期有关，但它们通常是无法通过细胞毒性化疗或靶向治疗治愈的。相比之下，生长速度较快的肿瘤对化疗非常敏感。

也许最能解释癌症生长及其治疗后消退的模型是Norton–Simon假说。基于Gompertzian生长曲线，这个模型适用于大多数实体肿瘤。根据该模型，肿瘤以S形方式生长——当肿瘤负荷较低时，生长速度呈指数级增长，当增长到较大尺寸时则其生长速度变慢接近平台期。因为药物可以缩小肿瘤的大小，所以它们会影响生长动力学。在单次化疗后，残留的病灶可能会恢复到其指数增长的早期阶段。按照这一逻辑，在两次治疗之间阻止肿瘤的再次快速生长，可最大程度地提高根除肿瘤的可能性。根据这一理论，产生了剂量密集化疗的概念，即在尽可能短的时间间隔内给予药物最有效的剂量水平。剂量密集这一概念已在早期乳腺癌和卵巢癌中得到证实，临床证据显示在特定情况下提高实施化疗的频次可以改善总生存期。但剂量密集的方法还不足以将无效的治疗转化为有效的治疗，而是被用来提高现有方法的疗效。与化疗相比，药物剂量在靶向治疗中的作用受到的关注较少，这可能是一种加深疗效和增加治愈率的策略。

肿瘤异质性

 癌症的异质性可能是最容易概念化的耐药原因。在时空遗传多样性发生的过程中，癌细胞产生各种突变而获得基因组改变。这些过程以不同的进化速度发生：与年龄相关的相对较慢的突变速度→APOBEC酶对基因的频繁编辑(肿瘤进化过程中不断增加的过程)→因基因组不稳定、染色质增生和染色体不稳定引起的戏剧性和灾难性事件的爆发。可以将大的染色体改变设想为宏观进化事件，并且在某些情况下可能代表着耐药性发展的一个不可逆转的点，说明了早期治疗干预的重要性。

再加上生态系统的选择压力，突变过程导致平行和趋同进化，以及原发灶和转移灶克隆的空间分离。这些压力包括外源性暴露、内部环境动态和癌症治疗本身。治疗的选择性压力的作用包括了：靶向细胞的克隆消失、获得新的耐药突变、信号传导和表观遗传学的自适应性反应、肿瘤表型的完全改变。在某些情况下，治疗(主要是化疗)的效果可能是深远的，相当于诱导了一种基因组不稳定的状态。例如，在低级别胶质瘤中，用替莫唑胺的化疗可以导致复发时肿瘤的高度突变，并在某些情况下会导致肿瘤转化为高度侵袭性的多形性胶质母细胞瘤。同样，克隆性造血与既往接受过的放疗和化疗有关，并增加了发展成白血病的风险。这些观察结果应促使临床工作者仔细权衡使用化疗或放疗可能产生的意外后果。

一个关键的临床问题是如何衡量肿瘤的异质性。目前，肿瘤的异质性是通过在诊断时对保存的肿瘤样本或复发时的活检肿瘤样本进行基因组测序来评估的。尽管在某些情况下，该方法对治疗选择是有用，但也存在严重的局限性，因为其不太可能准确地捕捉到肿瘤的异质性，这对癌症治疗有明显的影响。例如，只有当突变是主干克隆时才能证明以“可操作的”驱动突变为靶标时才是有效的。事实上，ESR1和PI3K通路中的基因亚克隆驱动突变足以驱动对靶向治疗的耐药性。

物理屏障

癌细胞可以在肿瘤内产生空间梯度，从而阻止足够的血液流动，从而创造一个促肿瘤的缺氧/低氧环境，并减少肿瘤对药物的有效暴露。虽然抗血管生成剂的一个已知作用机制是减少肿瘤的血流量。有证据表明，抗血管生成剂也可能使血管结构和功能正常化，促进全身性药物的输送。抗血管生成的酪氨酸激酶抑制剂和抗PD-1/PD-L1抗体的结合也显示出协同活性，尽管这种临床观察背后的确切机制尚不确定。

癌细胞可能在“避难所”或系统给药未达到治疗浓度的解剖学空间内定居和增殖。这方面的典型例子是中枢神经系统(CNS)和血脑屏障强加的物理边界。其他避难所包括腹膜和睾丸。在这些避难所中，CNS可能代表着最多的未得到满足的医疗需求。一些肿瘤类型，如肺癌、HER2阳性乳腺癌、黑色素瘤和肾癌，中枢神经系统转移趋向性水平特别高。多种方法都试图解决这一艰巨的临床挑战，包括放射治疗技术的改进，以及能够穿透血脑屏障的靶向治疗。早期免疫检查点抑制剂联合立体定向放疗的研究表明，与单独进行立体定向放疗相比，联合治疗有望诱导每个病灶的快速和完全反应。临床数据表明，局部治疗结合全身免疫检查点抑制来可能是控制肿瘤中枢神经系统转移的一种有希望的方法。

免疫系统和肿瘤微环境

 肿瘤微环境是肿瘤周围由免疫细胞、间质和脉管系统组成的空间，可能通过多种机制介导肿瘤耐药，包括阻止肿瘤细胞的免疫清除、阻碍药物吸收并刺激旁分泌生长因子来指示癌细胞的生长。

免疫检查点阻断疗法的成功突显了肿瘤免疫逃避的重要性。一些免疫治疗耐药肿瘤的突变负荷较低，这会导致可呈递的新抗原较少，最终不能被免疫识别。一些对免疫检查点阻断疗法耐药的机制已被阐明，包括β2-微球蛋白(损害肿瘤抗原提呈)和JAK1/2突变(使肿瘤细胞对干扰素γ不敏感)。

目前“免疫沙漠”型肿瘤（即癌症微环境处于免疫抑制状态的肿瘤）被认为是免疫检查点抑制剂的主要障碍，因为微环境中包括调节性T细胞、髓系来源的抑制细胞、肿瘤相关的巨噬细胞、细胞因子和趋化因子在内的因素都可以抑制免疫介导的抗肿瘤作用。通过将免疫“冷”肿瘤转变为免疫“热”肿瘤而衍生了一系列研究，如将免疫检查点抑制剂与抗血管生成剂、靶向药物、代谢调节剂、溶瘤病毒、表观遗传治疗或其他免疫检查点抑制剂相结合。

无药可用的基因组驱动因素

尽管针对致癌驱动基因突变的努力取得了越来越多的成功，但包括MYC、RAS和TP53在内的一些最常见的致癌基因和抑癌基因仍然是无靶药可用的。目前正在探索几种方法来解决这些靶标，包括防止MYC二聚化的微蛋白、捕获并灭活KRAS（G12C）突变的等位基因特异性抑制剂，以及与p53共价结合以恢复其正常（野生型）功能的小分子。其他致癌驱动因子，例如BRAF的2类突变（以RAS独立活化的二聚体形式起作用），仅被现有的变构MEK抑制剂部分抑制，而抑制RAF同二聚体和异二聚体形成的新型RAF抑制剂可以解决这些突变。

治疗的选择性压力

癌症治疗是改变肿瘤及其生态系统的强大诱因。常规的化疗和放疗增加了基因组的不稳定性，对存活细胞和非癌细胞有大量和广泛的影响，还可以在宿主中诱导免疫反应，从而减弱抗肿瘤反应。

在靶向疗法下，这种改变是微妙的，可以分为早期适应性反应，或长时间接触后的获得性耐药。适应性反应的发生速度快，以至于没有任何反应在临床上是显而易见的，并且可能是临床反应持续时间短的原因。适应性反应机制通常是信号通路负反馈的非基因水平上的缓解和/或表观遗传调控的结果，这会导致平行通路的激活或初始通路的重新激活。例如，由于包括EGFR在内的上游受体酪氨酸激酶的重新激活，BRAF突变的结直肠癌对BRAF抑制剂不敏感，而BRAF突变的黑素瘤仅表达低水平的EGFR，因此不受负反馈的影响。获得性耐药还涉及其他机制，包括靶点本身出现新的激活突变、通路突变，甚至肿瘤组织学上改变。

如何克服肿瘤耐药性

尽管任何单一的生物学耐药性决定因素均可导致肿瘤的治疗变得更难治疗，但这些因素通常在时间上以治疗依赖性方式共存于癌症中。作者提出了四种耐药性的通用解决方案，并说明这些解决方案是如何增加治愈率的。这4种解决方案包括：（1）早期发现；（2）深化治疗反应；（3）治疗监测和适应性干预；（4）利用癌症依赖性。

早筛早诊

在肿瘤负荷和克隆多样性较低的情况下治疗癌症可能是预防耐药性最明显的策略。实施这一解决方法有两个关键部分：第一，早期发现肿瘤；第二，用最有效的前期治疗来最大限度地消除肿瘤。后一概念是辅助治疗的基础，提高了多种肿瘤患者存活率。检测癌前病变将癌症拦截，然后进行干预，以防止癌症的形成。

目前在乳腺癌、子宫颈癌、结肠直肠癌和肺癌中已经建立了癌症筛查或检测癌前病变的方法，并提高了生存率。但是，当前可用的检测灵敏度和特异性低，经常是患者在确诊时已出耐药性和形成了不可治愈的疾病，而且操作繁琐且侵入性强，导致依从性差。在过去的二十年里，从孕妇和癌症患者的血液中检测胎儿和肿瘤的DNA已经成为可能。ctDNA检测提供了许多潜在的优势，包括非侵入性、动态监测、提供突变的全局观，以及对克隆进化的监测。迄今为止，ctDNA检测主要集中于检测可操作的基因组改变，为了使ctDNA成为有效的筛查工具的基础，以便在癌症转移之前对其进行鉴定，它必须能够检测到较低的疾病负荷。ctDNA应用于早诊的也存在一些局限性，如对ctDNA SNV的检测下限低至0.1％会漏掉一些肿瘤的发现，其检测的准确性也因癌症类型不同而不同。因此一些改善策略被开发出来，如通过增加采血量、获取非血浆型肿瘤DNA（如大便、巴氏涂片），或富集ctDNA大小的片段来提高低肿瘤负荷的检测；通过检测ctDNA甲基化、评估核小体结合的印记、将SNV与表观基因组分析相结合（以区分来自良性病变或克隆性造血的突变）、区分由病毒驱动的癌症（例如EBV驱动的鼻咽癌），以及评估致癌结构变异（如易位和扩增）来表征ctDNA的组织起源。为了最大化早期检测的获益，筛查必须与确定的疗法相结合，以防止肿瘤复发。

深化治疗反应

即使有几个克隆的残留，其长时间存在也不可避免地导致肿瘤的再生长，因此根除肿瘤势在必行。深化治疗反应策略的指导原则包括优化剂量、给药时间和药物组合。

对于化疗，疗效的上限通常不是由剂量反应的平台期决定，而是由毒性或治疗指数决定。包括脂质体或与白蛋白结合的制剂在内的纳米颗粒平台可以减轻化疗毒性。在某些血液学癌症和生殖细胞肿瘤中，通过大剂量化疗后通过回输自体造血干细胞来恢复骨髓功能，克服了骨髓耐受极限所要求的剂量阈值。但是，这种方法在实体瘤治疗中并不成功，这表明单独加大剂量并不总是会加深治疗反应，这可能是由于促进肿瘤发生的其他机制所致。另一种深化治疗反应的策略是通过肝血管局部给予化疗，这种策略已经取得了部分成功。抗体-药物偶联物(ADCs)可以不受药物剂量或血管供应的限制，从而提供更高剂量的化疗方法。

通过免疫检查点阻断疗法，引起的深度反应和持久反应已经为一小部分转移性癌症患者带来了治愈。由于抑制CTLA4比抑制PD-1/PD-L1会在更早的阶段激活T细胞，联合使用抗CTLA4和抗PD-1/PD-L1可以发挥协同作用，并引发多细胞免疫记忆。这与联合靶向治疗不同，联合靶向治疗总是针对多种细胞内信号因子，并在更快的时间内起作用。免疫治疗的持久反应的本质可能是由于靶上(癌细胞-T细胞)和靶外(抗原提呈细胞-T细胞)效应的发挥，从而对邻近细胞产生“旁观者”杀伤效应。靶向治疗也会导致旁观者死亡，因为一些靶点(例如，雌激素受体)只需要出现在一小部分细胞上，就可以根除一批肿瘤细胞。对免疫学和非免疫学旁观者效应机制理解可能与深化靶向治疗的反应有关。

对于靶向驱动癌基因的药物，实现更深层反应的策略必然会有所不同。研究者根据治疗指数将靶向疗法分为两类：第一类（如HER2、ALK、NTRK、BRAF、EGFR）具有较高的治疗指数，因此反应率较高；第二种（如，抗PI3K、MEK、FLT3、mTOR）具有较低的治疗指数和较低的响应率。对于第一类治疗指数高的药物，作用机制不重叠的联合治疗，或更有效的衍生物，可能会加深或延长治疗反应。对于靶向受体酪氨酸激酶的单克隆抗体，一旦达到完全靶饱和，就没有额外的剂量效应。与此一致的是，在HER2+乳腺癌中提供更高剂量的抗HER2单克隆抗体并不会带来额外的获益。因此，联合用药提供了治疗机会。在HER2+乳腺癌中，曲妥珠单抗联合帕妥珠单抗显著提高了生存率。

对于具有高治疗指数的小分子抑制剂，可以使用具有不同功效或对耐药机制具有容变性（robustness）的多种药物，并且与药物的顺序使用相比，最佳抑制剂或组合的前期应用似乎可以改善治疗效果。如，与第一代EGFR或ALK抑制剂相比，用更有效的EGFR突变体选择性抑制剂奥希替尼或ALK抑制剂阿来替尼治疗，可延长NSCLC的PFS。研究表明，与在初始耐药性时使用这些药物相比，在一线治疗时就使用更有效的靶向疗法可以在获得性耐药性突变存在时维持活性或完全阻止其出现，从而延长了生存期。如，胚系BRCA突变的卵巢癌患者，在以铂类为基础的化疗后，表现出明显的部分或完全反应，其在接受奥拉帕尼维持治疗两年后，可能产生更深层次的反应。数据表明，使用PARP抑制剂治疗后三年，缓解率达到60％，表明这种方法正在增加疾病治愈的患者比例。数据表明，相继使用不同药物进行预处理的患者，使用最有效的药物（或药物组合）进行的早期积极干预最终可能会对患者的预后产生更大的影响。另一方面，具有低治疗指数的药物可以作为单一疗法起作用，但副作用很大。PI3K抑制剂单药治疗的反应率低，但对于ER + PIK3CA突变型乳腺癌患者，其与抗内分泌治疗联合使用时，组合疗法可改善PFS。但是，其代价是胰岛素抑制而产生的副作用。提高对治疗指数低的药物的反应深度将需要新的方法。如，将PI3K抑制剂与生酮饮食相结合，这种饮食将钝化适应性外源胰岛素信号并使细胞对PI3K抑制剂重新敏感。

用ctDNA量化手术或系统性治疗的反应深度可能会为识别高危人群从而进行额外的治疗干预提供机会，以及为系统性治疗提供预测性生物标志物。相比影像学检测，通过ctDNA，可以在乳房术后提前8个月检测到微小残留病变，从而创造了一个时间窗口，在这段时间窗口内可以提供额外的治疗方法，以提高反应深度。通过ctDNA跟踪5个突变提高了早期NSCLC术后微小残留病变的检出率。在转移性乳腺癌和BRAF突变的结直肠癌中，与标准肿瘤标志物相比，ctDNA水平降低与治疗反应的相关性更好。

监测治疗反应和适应性干预

对治疗反应的实时监测将使得能够更早地修改剂量、给药时间和治疗方案。但是，传统的评估治疗疗效的方法是基于影像学测量的肿瘤直径的变化。获得性耐药通常是通过一次活检来确定的。然而，耐药的异质性可以表现为多个转移灶中的多个耐药亚克隆。越来越多的证据表明，基于ctDNA的方法可以成为监测肿瘤异质性、进化和治疗反应的有价值的工具。通过ctDNA的实时监测还可以提供一个时间窗口，在其中识别可能复发的患者，以及提供有关治疗下的克隆进化的信息，从而帮助在较早的时间点指示下一次治疗，特别是在显性耐药突变可能出现的时候。包括内源性DNA条形码在内的技术可以追踪肿瘤内的异质性。在EGFR突变的NSCLC中，可通过ctDNA检测最常见的耐药突变EGFRT790M，现已成为第一代EGFR抑制剂治疗后病情恶化的患者的标准护理方法。此外，通过ctDNA检测耐药突变可以使二线EGFR药物在临床耐药表现出来之前就开始治疗。

目前，比获得性耐药机制的出现更令人畏惧的挑战是如何解决最初对治疗具有适应性的反应但这些反应会导致彻底的耐药或短暂的临床获益这一情况。容变性（robustness）是癌症的一个重要特征，它允许系统在受到外部和内部干扰的情况下仍能正常工作。如代偿通路的激活是靶向治疗耐受的普遍机制。这些代偿适应过程是快速的，或者导致靶标通路的上游或下游的重新激活，或者使参与的信号节点绕过致癌通路的信号传递。一些癌基因靶点（如慢性髓系白血病中的BCR-ABL、多种肿瘤中NTRK家族成员的基因融合、肺癌中的EGFR突变）不会导致具有临床意义的适应性反应。传统上，这些肿瘤对其特定的靶向治疗有较长一段时间的反应，直至获得性耐药。当靶点在诸如HER2-PI3K-AKT-mTOR通路和Ras-RAF-MEK-ERK通路等关键细胞通路中时，适应性反应是则变为常态。靶向乳腺癌的ER和前列腺癌的AR，也可以诱导丰富的细胞反应，从而减少内部或外部干扰的影响。如果我们把这些引发强大适应性反应的靶点作为一个整体来考虑，它们有一些明显的共同点：它们属于对正常细胞和癌细胞都至关重要的细胞通路，并且受到复杂的反馈过程的高度调控。

 免疫治疗的耐药性不同于靶向治疗的耐药性。免疫检查点阻断的直接靶点(PD-1和CTLA-4)及其配体对于提高T细胞活化阈值和抑制效应T细胞的功能是必要的，但对于肿瘤发生本身或对免疫检查点阻断的反应来说，这既不是必要的，也不是充分的。此外，抗原提呈细胞和T细胞在基因组上比癌细胞更稳定。因此，PD-1、PD-L1或CTLA-4的简单突变或表达下调并不是常见的代偿耐药机制；虽然PD-L1突变在理论上会损害检查点阻断抗体的识别，但它也会损害癌细胞中主要组织相容性复合体(MHC)蛋白的抗原提呈细胞的正常功能，如Β2M、JAK1或JAK2的突变在已知的免疫耐受机制中占主导地位。研究可能会增加对免疫检查点阻断敏感性的适应性反应，如化疗引起的DNA损伤，正在积极的临床研究中。肿瘤和肿瘤微环境的其他细胞类型的检测可以阐明对免疫治疗的适应性反应。

自适应性的响应也可以从包括网络建模等偏差较少的技术中推断出来。以蛋白质为节点的基于逻辑的模型可以重建细胞信号通路，并且可以构建离散的动态模型来评估随着时间的推移节点读出的抑制和激活状态。这些模型可以进行计算机模拟，以确定抑制剂的作用以及不同耐药机制在调节凋亡和增殖方面的相对适合性。

另一种改善药物反应的方法是调整药物开发的过程。开发针对耐药突变的药物的传统方法是先对母药进行临床测试，识别出现耐药的患者，然后对耐药的肿瘤组织进行分子表征，在临床前建立新发现的突变模型，最后设计用于临床测试的新药。很不幸的是，这个过程需要很多年，这意味着接受新一代靶向治疗的患者很少能活到下一代药物的出现。目前临床研究也在着力克服这一挑战。如，larotrectinib是一种针对TRK融合阳性癌症的小分子广谱抗癌药，在患者中未检测到任何获得性耐药突变之前，临床前和计算机模拟都可以准确预测TRK激酶结构域的哪些突变将驱动对larotrectinib的耐药性，并能够开发突变选择性抑制剂。对于那些接受larotrectinib治疗并获得耐药性的患者，可以在能够挽救治疗反应的时间范围内将下一代TRK抑制剂移入临床。

利用癌症依赖性

通过在细胞系中筛选药物的经典方法已经发现了一些癌症依赖性。探索合成致死性（两个非致死基因同时失活导致细胞死亡的现象）是识别对已知驱动突变的治疗脆弱性的另一种方法。这种现象的经典例子是BRCA突变肿瘤中的PARP抑制。破译免疫治疗的耐药性需要了解癌细胞固有的机制与外部细胞和体液因素之间的相互作用，当比较免疫检查点阻断、过继性细胞治疗、双特异性T细胞活化剂和癌症疫苗的耐药性时，这些内在和外部因素可能是不同的。目前已经使用shRNA（短发夹RNA）和CRISPR-Cas9技术来发现与免疫治疗敏感性和耐受性相关的因素。

将大型临床基因组数据集 + 合成致死筛查 + 计算建模相结合，将来可能会促进癌症相关性实时参考指南的制作，其最终目标是使用预测分析以合理的方式选择联合候选药物。分析未经治疗和耐药的癌细胞系之间的变化，可能会揭示出最终可用于治疗的协同依赖性(Consensus Dependency)。在诸如慢性髓系白血病等单基因疾病中，可能不需要这种水平的分析，因为治疗的路径已经被很好地定义。然而，在大多数其他癌症中，虽然有几个主导驱动因素，但也有大量已知和未知的耐药机制，克服耐药性的最佳治疗方法和治疗顺序尚未确定。在这些情况下，通过多种策略发现高效的治疗组合（包括多个主干突变的同时靶向、针对特定组织学的合成致死性；或识别影响两个以上基因干扰的更高阶合成致死相互作用）可能有助于确定新的药物组合策略。

文章总结

通俗的去理解，耐药的潜在机制和癌症患者一样多，因为每个肿瘤患者都有自己特定特征，这些特征决定了肿瘤的进展直至导致死亡。因此，解决耐药问题似乎是一个遥不可及的目标。本文采用还原论的方法来定义和分离肿瘤耐药的关键决定因素，这些因素包括了肿瘤负荷和生长动力学、肿瘤的异质性、物理屏障、免疫系统和肿瘤微环境、无药可用的癌症驱动因素，以及治疗选择压力。同时文章还提出了四种耐药性解决方案：（1）基于早期检测拦截肿瘤；（2）在治疗过程中进行适应性监测；（3）添加新药和改进的药理学原理，深化治疗反应；（4）通过高通量合成致死性筛查、临床基因组数据的整合和计算建模来识别癌细胞的依赖性。虽然目前仍然需要充分了解关键的肿瘤驱动因素及其调控（例如表观遗传和代谢因素）机制，但是肿瘤耐药问题已开始越来越像一个工程问题。将工程学和肿瘤生物学融合在一起，以前所未有的方式推动该领域的发展，也许是实现癌症成功治愈的一个可实现目标。